PulseAugur
中
实时 19:00:00
English(EN) FM-fMRI: Event Conditioned Flow Matching for Rest-to-Task fMRI Time-Series Synthesis

新型FM-fMRI模型可从静息态数据合成任务态fMRI

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了FM-fMRI，这是一种新颖的流匹配模型，旨在从静息态fMRI数据合成任务态fMRI时间序列。该方法根据特定任务事件条件化合成过程，能够生成逼真的神经动力学。在公共和内部数据集上的评估表明，FM-fMRI在谱和连接一致性方面优于条件扩散、GAN和VAE等现有方法。该模型通过增强有限的临床数据来进一步证明其效用，从而提高了自闭症下游诊断分类的准确性。 AI

影响 该模型可以实现更高效、可扩展的fMRI研究，通过合成易于获得的静息态扫描数据来加速神经科学和临床诊断的研究。

排序理由 这是一篇详细介绍fMRI数据合成新模型的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

新型FM-fMRI模型可从静息态数据合成任务态fMRI

报道来源 [1]

  1. arXiv cs.LG TIER_1 English(EN) · Peiyu Duan, Jiyao Wang, Nicha C. Dvornek, Junlin Yang, Ziqi Gao, Lawrence H. Staib, James S. Duncan ·

    FM-fMRI: Event Conditioned Flow Matching for Rest-to-Task fMRI Time-Series Synthesis

    arXiv:2605.26423v1 Announce Type: new Abstract: Task-based fMRI provides a direct readout of task-evoked neural dynamics, but it is expensive and difficult to acquire at scale, motivating rest-to-task synthesis from widely available resting-state fMRI (rsfMRI). We propose FM-fMRI…

相关实体

相关话题